人工智能技術(shù)的迅猛發(fā)展,使得人類社會與信息世界的界限越發(fā)模糊,日趨呈現(xiàn)出人機共生、萬物互聯(lián)的新格局。在此背景下,數(shù)據(jù)的種類與數(shù)量與日俱增,如何從浩如煙海的大數(shù)據(jù)中快速、準確地甄選有價值信息已然成為當(dāng)下學(xué)術(shù)界與工業(yè)界所共同面臨的主要難題之一。推薦系統(tǒng),作為傳統(tǒng)信息檢索的有效補充手段,充分利用用戶與物品自身內(nèi)容特征及其二者間的交互數(shù)據(jù)自動過濾無用信息,旨在對抗信息過載問題,以期達到信息生產(chǎn)者與消費者之間的博弈均衡。協(xié)同過濾,特別是矩陣分解,是推薦系統(tǒng)背后的核心技術(shù)之一,其巧妙地利用群智感知思路實現(xiàn)個性化推薦,由于其穩(wěn)定的預(yù)測性能以及靈活的擴展能力,一直以來都是學(xué)術(shù)界與工業(yè)界的研究熱點。但其性能時常受限于數(shù)據(jù)稀疏與冷啟動問題。目前比較主流的解決思路是利用用戶間的社交網(wǎng)絡(luò)信息彌補用戶-物品交互數(shù)據(jù)。然而,由于社交網(wǎng)絡(luò)數(shù)據(jù)的復(fù)雜性,現(xiàn)有結(jié)合社交信息的推薦算法多為啟發(fā)式方案,未能充分挖掘社交網(wǎng)絡(luò)中的有用信息以輔助推薦任務(wù)。幸運的是,圖嵌入技術(shù)的興起為社交推薦的研究提供了新思路,其致力于將高維稀疏的社交信息嵌入到低維稠密的向量空間,同時最大化的保證原有網(wǎng)絡(luò)的結(jié)構(gòu)信息。鑒于此,本文以社會化推薦系統(tǒng)為研... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1一1兩種社會化推薦集成范式

矩陣分解原理示意

圖２－４圖嵌入技術(shù)的基本原理ｔｊｋ意??Ｆｉｕｒｅ?２－４?Ｔｅ?ｂａｓｉｃ?ｉｄｅａ?ｏｆｒａｈ?ｅｍｂｅｄｄｎｅｃｈｎｌ

【參考文獻】：
期刊論文
[1]融合社交信息的矩陣分解推薦方法研究綜述[J]. 劉華鋒,景麗萍,于劍.  軟件學(xué)報. 2018(02)
[2]社會化推薦系統(tǒng)研究[J]. 孟祥武,劉樹棟,張玉潔,胡勛.  軟件學(xué)報. 2015(06)
[3]復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測[J]. 呂琳媛.  電子科技大學(xué)學(xué)報. 2010(05)

碩士論文
[1]融合社交信息的疊加聯(lián)合聚類推薦算法研究[D]. 讀習(xí)習(xí).北京交通大學(xué) 2018
[2]電子商務(wù)個性化推薦系統(tǒng)的研究[D]. 晉瑞梅.東北大學(xué) 2009



本文編號：3522350